[论文解读] Hypergraph Clustering: A Modularity Maximization Approach

Tarun Kumar, Sankaran Vaidyanathan+3 more|arXiv (Cornell University)|Dec 28, 2018

Complex Network Analysis Techniques参考文献 23被引用 10

一句话总结

该论文提出了一种基于模块化最大化、通过引入节点度保持的零模型和图简化技术的超图聚类方法，使快速的Louvain算法得以应用。通过迭代超边重加权进一步提升性能，在真实世界和合成数据集上相较于现有基线方法展现出更优的有效性和可扩展性。

ABSTRACT

Clustering on hypergraphs has been garnering increased attention with potential applications in network analysis, VLSI design and computer vision, among others. In this work, we generalize the framework of modularity maximization for clustering on hypergraphs. To this end, we introduce a hypergraph null model, analogous to the configuration model on undirected graphs, and a node-degree preserving reduction to work with this model. This is used to define a modularity function that can be maximized using the popular and fast Louvain algorithm. We additionally propose a refinement over this clustering, by reweighting cut hyperedges in an iterative fashion. The efficacy and efficiency of our methods are demonstrated on several real-world datasets.

研究动机与目标

• 将图聚类中已取得成功的模块化最大化方法扩展至超图，同时保持节点度并捕捉高阶关系。
• 定义一种超图专用的零模型，其作用等同于图中的配置模型，从而实现模块化的有效计算。
• 开发一种保持节点度的图简化方法，以维持超图在模块化优化过程中的结构完整性。
• 通过基于切割平衡和结构信息的迭代超边重加权，提升聚类质量。
• 在真实世界和合成超图数据集上评估所提方法的性能和可扩展性。

提出的方法

• 提出一种保持节点度的超图零模型，其与无向图中的配置模型类似。
• 引入一种保持节点度的图简化方法，将超图映射为等价图以实现模块化计算。
• 基于零模型和简化图定义超图模块化函数，从而支持Louvain算法的应用。
• 开发一种迭代超边重加权过程，根据超边在不同聚类间切割的平衡性调整边权重。
• 对重加权图应用Louvain算法以最大化模块化，通过迭代优化聚类分配。
• 采用一种贪婪且可扩展的优化策略，避免昂贵的特征分解，从而提升运行效率。

实验结果

研究问题

• RQ1 模块化最大化能否在保持节点度并捕捉高阶关系的前提下，有效扩展至超图？
• RQ2 如何构建一种超图零模型，使其作为模块化的基线，类似于图中的配置模型？
• RQ3 迭代超边重加权对超图聚类中的聚类质量和切割平衡有何影响？
• RQ4 在真实世界和合成超图上，所提出的Hypergraph-Louvain方法在准确性和可扩展性方面与谱聚类及其他基线方法相比如何？
• RQ5 与标准模块化方法相比，引入超边切割结构在多大程度上提升了聚类性能？

主要发现

• 在真实世界数据集上，Hypergraph-Louvain方法在聚类准确性方面优于谱聚类和其他基线方法，其中在Citeseer数据集上F1值的提升最为显著。
• 迭代重加权过程显著提升了聚类质量，表现为占主导地位的超边数量增加，表明信息丰富的超边更优地聚集在聚类内部。
• 在Arnetminer数据集上，Hypergraph-Louvain的运行时间快于Hypergraph-Spectral，表明在大规模超图上具有显著的可扩展性优势。
• 随着超图规模增大，Hypergraph-Louvain与Hypergraph-Spectral之间的运行时间差距进一步扩大，证实其在包含1,000至10,000个节点的合成超图上具有更优的可扩展性。
• 该方法有效减少了碎片化超边的数量，并提高了切割平衡的超边比例，反映出聚类凝聚性的提升。
• 实证结果表明，迭代优化步骤带来了可测量的性能提升，尤其在Citeseer和Cora等具有复杂超边结构的数据集上更为明显。